《表4 不同模型在不同预测长度下的平均RMSE》
结合上文5种模型预测36个月降水量的结果,不改变模型中的神经元个数、学习率等超参数,只将预测长度设置为24、12和6个月(图12)。取所有测站点RMSE平均值,结果如表4所示。根据表4,除了ARIMA模型在预测长度为12时的RMSE略高于预测长度为24时的RMSE,其余情况下,随着预测长度的增加,5种预测模型的RMSE都有所提高,即预测精度都有所下降。本次试验中LSTM模型在不同预测长度下,其RMSE都要低于其他4种模型,并且从低到高依次为LSTM、RNN、SSA、NAR和ARIMA,因此可得出在降水时间序列预测中,LSTM模型预测精度更高。
图表编号 | XD00150397600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.25 |
作者 | 刘新、赵宁、郭金运、郭斌 |
绘制单位 | 山东科技大学测绘科学与工程学院、山东科技大学测绘科学与工程学院、山东科技大学测绘科学与工程学院、山东科技大学测绘科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |